中国种植业碳排放的测度、脱钩特征及驱动因素研究*

丁宝根，赵 玉，邓俊红

（东华理工大学资源与环境战略研究中心，江西 南昌 330013）

0 引言

种植业作为农业的最重要组成部分，既是自然生态环境的重要屏障，也是国家粮食安全和经济安全的重要保障。长久以来，得益于农业机械化和农业化学化，中国种植业的经济产出效益得到极大的增长，但种植业生产过程中呈现出高耗能、高污染和高排放等普遍现象；即种植业经济快速发展的同时，也面临着自然生态环境恶化、耕地资源质量退化等突出问题，种植业可持续发展正遭受严峻挑战。与此同时，中共十八届五中全会大以来，“绿色发展”成为指导中国当前及未来发展的五大理念之一；中共十九大后，中国经济发展由“高速增长阶段”转向“高质量发展阶段”，而农业由“增产导向”转向“提质导向”。在此背景下，“种植业低碳化”作为农业绿色发展、农业高质量发展的重要内容，已成为农业高质量发展关注的焦点。可以说，推进种植业低碳化发展既是新时代中国种植业可持续发展的内在需要，也是中央精神的明确要求，更是推动农业供给侧改革、种植业绿色发展和农业高质量发展的关键。据此，围绕“种植业低碳化”所开展的种植业碳排放相关研究对促进中国种植业可持续发展以及实现农业高质量发展都具有重大的理论价值和实际价值。

目前，国内外诸多学者已对“农业碳排放问题”进行了大量探索，其主要内容包括：农业碳排放的测度方法以及碳排放效应[1-3]；农业碳排放的时空演化特征[4-8]；农业碳排放的主要驱动因素[9-12]；农业碳排放与其经济增长之间的关系特征[13-16]；这些现有研究结果表明：碳排放系数法已成为农业碳排放测度的重要方法；我国农业碳排放总量居高不下，但农业碳排放强度趋于下降；我国农业碳排放的地区差异性较为显著，且主要受自然生态环境、农业资源禀赋、农业生产结构以及经济社会发展水平等因素的影响；我国农业碳排放与农业经济增长存在一定关联性。总体而言，国内外学者在农业碳排放问题上已取得一些卓有成效的研究成果，这很大程度上为中国种植业碳排放问题研究奠定了基础和提供了参考，然而，已有文献关于农业碳排放的相关研究多涉及大农业（农林牧渔业），而对种植业碳源、碳排强度、脱钩特征和影响因素等细化和深入研究相对较少；研究的地域范围多局限于特定区域、省域或地级市，而对全国范围种植业碳排放开展省域层面的系统性和全面性研究相对较少；关于种植业碳排放与其经济增长的脱钩特征时空差异分析还不够深入，特别是基于同一时期不同省域的脱钩特征对比分析并不多见。

基于以上研究背景与研究现状，文章将在科学编制种植业碳排放测度体系的基础上，对2001—2018年中国大陆31个省（市，自治区）种植业碳排放进行测度，运用Tapio模型揭示中国种植业碳排放与其经济增长之间的脱钩特征，并引入LMDI模型探知中国种植业碳排放的主要驱动因素；基于实证结果和研究结论，提出推进中国种植业低碳化发展的相关政策与建议；从而为实现中国种植业低碳化可持续发展、高质量发展提供决策参考。

1 研究方法与数据来源

1.1 种植业碳排放测度方法

目前学术界对种植业碳排放存在两种理解：一部分学者认为种植业碳排放仅局限于种植业生产过程中因人类生产活动而直接或间接导致的温室气体碳排效应[17]；另一部分学者则认为种植业碳排放还包括了农作物本身的碳汇效应[18]。从李团胜[17]、张俊飚[19]等学者已有的种植业碳排放相关研究来看，大多数研究更侧重于第一种理解。结合生产实践经验和相关研究成果，并咨询相关专家，同时考虑到种植业低碳化主要表现为种植业生产过程中减少高碳农用物资的投入以及土壤有机碳的破坏，该研究认为种植业碳排放主要源自于以下几个方面：①化肥、农药、农膜等农用物资投入直接或间接引致的碳排放；②农用机械柴油消耗所带来的碳排放；③灌溉耗费电能引起的碳排放；④翻耕破土引致的有机碳流失。据此，该研究采用IPCC 碳排系数法，并参考李波和张俊飚[14]等诸多学者相关研究，主要考察种植业生产过程中涉及的化肥、农药、农膜、柴油、灌溉和翻耕等6种碳源直接或间接引致的碳排放，并利用各种碳源的相关碳排系数测算出种植业碳排放量，具体公式为：

式（1）中，E表示种植业的碳排总量，Ti表示第i种碳源投入量，εi表示第i种碳源的碳排放系数，种植业的主要碳排源和碳排系数如表1所示。

表1 种植业主要碳排源和碳排系数

1.2 脱钩模型

早在20世纪末，德国学者施米特·布雷克Schmidt-Bleek 提出“通过提高全球资源利用效率，可实现经济增长与资源消耗之间的脱钩”[24]。20世纪90年代，OECD组织提出了“驱动力—压力—状态—影响—反应”框架，描述了经济驱动因子与环境压力因子之间的关系，并构建了OECD 脱钩指数[25]。2005年Tap‐io[26]在探讨欧洲经济增长与二氧化碳排放之间的关系时，引入脱钩弹性概念，并构建了Tapio 脱钩指数。依据脱钩弹性值大小关系，Tapio 定义了8 种脱钩状态，分别为负脱钩（扩张负脱钩、强负脱钩、弱负脱钩）、脱钩（弱脱钩、强脱钩、衰退脱钩）、连接（增长连接和衰退连接），如表2所示。

表2 Tapio(2005)8种脱钩状态划分

相较于OECD 脱钩指数，Tapio 脱钩指数不必受制于基期选择问题，其采用的“脱钩弹性”可较好地动态反映两个变量之间的脱钩关系，因此，Tapio 脱钩指数在探析经济增长与碳排放之间的关系方面更具有优势[27]。该研究选用Tapio脱钩指数对中国种植业碳排放脱钩特征进行分析，构建的脱钩模型为：

式（2）中，e是脱钩弹性；C是种植业碳排放；△C是碳排放变化量；G是种植业产值；△G是种植业产值变化量。

1.3 碳排放影响因素分解模型

20世纪80年代末，日本著名学者Yoichi Kaya[28]首次在IPCC国际研讨会上提出了Kaya恒等式，该恒等式反映了能源碳排强度、人均GDP、人口规模以及单位GDP 能耗等因素对二氧化碳排放的影响。此后，Kaya恒等式被诸多学者广泛应用于各区域和各行业的碳排放影响因素研究。

基于Kaya 恒等式，该研究将农业生产效率、产业结构、产出水平、劳动规模等因素与种植业碳排放建立某种关联，构建LMDI模型[29]定量分解种植业碳排放的驱动因素，其具体表达式为：

式（3）至（6）中，C表示种植业碳排放总量（t）；G表示种植业总产值（元），G大表示农林牧渔业总产值（元），P表示农业劳动规模（人）；β1表示农业生产效率（kg/元），β2表示农业生产结构（%），β3表示农业产出水平（元/人）。

对式（7）采取对数、加减和分解等处理，可得出种植业碳排放各分解因素贡献值，其表达式分别为：

式（8）至（12）中，△β1表示为农业生产效率因素引致的碳排放效应（t）；△β2表示为农业生产结构因素引致的碳排放效应（t）；△β3表示为农业产出水平因素引致的碳排放效应（t）；△P表示为农业劳动规模因素引致的碳排放效应（t）；△C表示为各影响因素引致的碳排放总效应（t）；CT、、、、PT分别表示第T年的C、β1、β2、β3、P，而C0、、、、P0分别表示基期年的C、β1、β2、β3、P。

1.4 数据来源及说明

该研究实证过程中用到的化肥折纯量、农膜用量、农药用量、农机柴油、农作物播种面积、有效灌溉面积、种植业总产值、农林牧渔业总产值、农业劳动力规模等数据均来源于2001—2019 年各年度《中国农村统计年鉴》以及中国大陆31个省（市、自治区）的省级统计年鉴。其中，种植业产值是指包括粮、棉、油、糖、麻、烟、茶、果、药等所有种植作物的总产值；化肥表示为当年化肥折纯量；农膜表示为当年农膜实际使用量；农药表示为当年农药实际使用量；柴油表示为当年农用机械柴油使用量；灌溉表示为当年有效灌溉面积；翻耕表示为当年农作物播种面积；农业劳动力数量则以当年乡村第一产业从业人口替代。

2 实证结果与分析

2.1 中国种植业碳排放的测度结果及分析

（1）中国种植业碳排放的时序变化。基于式（1）的测算，可知中国种植业碳排放量，如图1 所示，2018 年中国种植业碳排放总量为7 850.39 万t，较2001 年5 446.20 万t 增加了44.14%，年均增长速度为2.45%；而化肥、农膜、农药、柴油、灌溉、翻耕引致的种植业碳排放量依次为5 246.48 万t、1 308.58 万t、815.46万t、289.72万t、138.03万t、52.12万t，分别占种植业碳排放总量的66.83%、16.68%、10.38%、3.69%、1.76%、0.66%。2001—2018年中国种植业碳排放量总体上呈现出两阶段变化特征：①2001—2016年种植业碳排放量持续增长，化肥、农膜和农药等农用物资投入的大幅增加是引起种植业碳排放不断上升的主要原因；②2017—2018 年种植业碳排放量趋于加速下降，这可能得益于种植业节能减排技术的推广应用以及绿色发展理念在农用生产领域不断实践，种植业生产过程中农用化肥、农膜以及农药等高碳排放物资的投入逐渐减少，从而导致种植业碳排放总量持续减少。

图1 2001—2018年中国种植业碳排放量及其增速时序变化趋势

化肥作为种植业碳排放的最主要碳源，其引起的碳排放量占比高达66.83%（2018年）。在过去的十几年里，农用化肥导致的碳排放总体上经历了由上升到下降的变化，最高峰值为5 401.81万t（2016年），但2017 年起呈现下降趋势。农膜导致的碳排放量占比约16.68%（2018 年），已成为种植业的第二大碳排放源。2001—2016 年农膜引起的碳排放量总体上呈现上升的趋势，这可能源于为保障粮食增产增效而不断增加农膜的使用；但2017 年起农膜引起的碳排放呈现下降趋势，这可能源于农膜高效利用以及低碳种植技术的推广应用而减少了农膜的使用。农药引致的碳排放量占比约10.38%（2018 年），2001—2015 年碳排放总体呈现明显上升，但2016 年起转入持续下降态势，从最高峰值2015 的891.55 万t 跌至2018 年的815.46 万t，这表明近年来种植业生产过程种农药的使用量持续减少。柴油使用引起的碳排放量占比约3.69%，其碳排放量总体上呈现“下降—上升—下降”的波动特点，这可能源于不同历史时期农机推广政策的变化以及农业生产方式的变化引起柴油使用量和使用效率的波动。自2001 年以来，灌溉引起的碳排放量呈现持续增长的态势，年均增速约1.40%，这一定程度上表明水利设施的不断完善导致了有效灌溉面积的持续增加。种植业生产过程种翻耕引起的碳排放量占比最低，仅为0.66%，其碳排放量从2001 年的48.78万t增加至2018年的52.12万t，年均增速仅为0.38%，总体上波动幅度较小，这表明近十几年来翻耕面积保持较稳定的状态。

（2）中国种植业碳排放的地区差异。从图2 可知，2018 年中国大陆31 个省（市、自治区）种植业碳排放量存在较大的地区差异，其中，最高的河南碳排放量达815.45万t，占全国比重约10.38%；最低的西藏碳排放量仅为7.55 万t，占全国比重约0.09%。从总体区域分布情况来看，中部地区和东部地区的传统农业大省或粮食主产区是种植业碳排放主要来源地。目前，中部地区和东部地区的一些传统农业大省拥有较丰富的耕地资源且以种植业为主，耕地资源集约化程度较高，化肥、农膜、农药、柴油等高碳农用物资投入较多，从而导致种植业碳排放总量居于高位。

因不受资源总量基数的影响，碳排放强度一定程度上能较客观地反映出某地区种植业低碳化水平，能较好地进行各地区间横向对比。从图2可看出，中国种植业碳排放强度总体上呈现“中部>西部>东部”的高低特征，且省际差异显著，其中，种植业碳排强度最高的是吉林，高达315.39kg/万元；而种植业碳排放强度最低的省份是贵州，仅63.83kg/万元，大约是吉林的1/5。

图2 2018年中国大陆31个省（市、自治区）种植业碳排放量及碳排放强度

中国横跨的经度纬度较大，不同区域或省域的自然气候环境、耕地资源禀赋、农业生产结构、农业生产方式和农业经济发展水平等均存在较大的差异性，这导致耕地集约化水平和利用方式存在较大的不同，进而引起各地区种植业碳源结构的差异性。从图3可知，中国各地区种植业碳排放源于灌溉和翻耕的比重差异性不大，但源于化肥、农膜、农药和柴油的比重差异性较大，其中，陕西、河南、湖北和吉林等种植业生产过程中化肥的投入比重相对较高；上海、北京、甘肃和新疆等农膜投入比重相对较高；江西、湖南、海南和浙江等农药投入的比重相对较高；贵州、黑龙江、内蒙古和青海等农用柴油投入的比重相对较高。

图3 2018年中国大陆31个省（市、自治区）种植业各碳排放源所占比重

2.2 中国种植业碳排放脱钩特征分析

（1）中国种植业碳排放脱钩特征的时序变化。基于式（2）计算，可得知2001—2018年中国种植业碳排放脱钩特征的时序变化。如表3所示，2001—2018年中国种植业碳排放与其经济增长之间的脱钩特征主要以弱脱钩为主，表明种植业产值保持正增长且增速快于种植业碳排放增速，总体而言，其脱钩关系特征大致分为3个阶段。

表3 2001—2018年中国种植业碳排放脱钩特征的时序变化

①2001—2003 年中国种植业碳排放量增速经历了“低—高—低”的波动，而种植业产值的增速一直处于放缓的态势，甚至2003 年种植业碳排放增速快于种植业产值的增速，从而导致这阶段呈现弱脱钩、增长链接和扩张负脱钩的特征。

②2004—2015 年中国种植业碳排放与其经济增长均保持正增长态势，然而，同期碳排放的增速要小于经济增长的增速，这阶段碳排放脱钩特征集中为弱脱钩类型。

③2016—2018 年中国种植业碳排放量保持下降态势，而种植业产值总体呈现增长态势，但可能由于受农业自然灾害、生产结构调整或市场价格等影响，2017 年种植业产值出现了短暂的下降，这阶段的碳排放脱钩特征为强脱钩和衰退连接。

（2）中国种植业碳排放脱钩特征的地区差异。为较好呈现中国不同地区碳排放脱钩程度与脱钩类型的差异性，同时对比中共十八大前后的变化，基于脱钩弹性计算式（2），可得知2001—2013 年和2014—2018年两阶段中国大陆31个省（市、自治区）种植业碳排放脱钩特征，具体如表4所示。

表4 2001—2013年和2014—2018年中国大陆31个省（市、自治区）种植业碳排放脱钩特征

①2001—2013年仅北京和上海呈现强脱钩状态，占整个样本的6.5%，其余29个省（市、自治区）均呈现弱脱钩状态。其中，脱钩程度最高的是上海，其脱钩弹性值为-0.486；脱钩程度最低的是西藏，其脱钩弹性值为0.743；有20个省（市、自治区）脱钩弹性值在0～0.2；有6个省（市、自治区）的脱钩弹性值在0.2～0.4；有2个省份的脱钩弹性值在0.4～0.6；仅1个省份的脱钩弹性值在0.6～0.8。

②2014—2018 年江苏、浙江等12 个省（市、自治区）呈现强脱钩状态，广西、云南等7 个地区呈现弱脱钩状态，北京、上海、福建和甘肃呈现衰退脱钩，天津、辽宁和山东呈现衰退连接，内蒙古呈现扩张负脱钩，吉林呈现强负脱钩，河北、山西、湖南呈现弱负脱钩；其中，脱钩程度最高的是江苏，其脱钩弹性值为-0.462；脱钩程度最低的是福建，其弹性值为28.605。

从区域层面上看，中国种植业碳排放呈现强脱钩状态的省域数量有较快增长，但呈现的脱钩类型及脱钩程度趋于差异化。

2.3 中国种植业碳排放驱动因素分析

基于LMDI模型对中国种植业碳排放驱动因素进行分解，可得出2001—2018年农业生产效率、生产结构、产出水平和劳动力规模等驱动因素对中国种植业碳排放的贡献值及贡献率（图4），实证结果如下。

图4 2001—2018年中国种植业碳排各驱动因素的贡献值及贡献率

（1）农业生产效率是中国种植业碳排放减少的最主要驱动因素。2001—2018 年农业生产效率因素累计碳减排效应达7 0031.587 万t，年均碳减排效应约-3 890.644 万t，碳减排的贡献率整体上较高且处于持续上升态势，对碳排放的抑制效应趋于不断增强。由此表明，近十几年来，农业生产效率的提高一定程度上抑制了中国种植业碳排放的增长，因此，提升农业生产效率将成为推进中国种植业低碳化的重要举措。

（2）农业生产结构是中国种植业碳排放增加的驱动因素之一。2001—2018 年农业生产结构因素累计碳增排效应约3 161.551万t，年均碳增排效应约175.642万t，但碳增排的贡献率整体上偏低且保持较平稳趋势，碳增排效应不是特别明显。由此表明，为保障粮食增产和粮食安全，同时受制于有限耕地资源，近十几年来中国农业特别是种植业的生产规模处于较稳定状态，通过大幅度调整农业生产结构以降低种植业碳排放的难度较大。

（3）农业产出水平是中国种植业碳排放增加的最主要驱动因素。2001—2018 年农业产出水平因素累计碳增排效应达10.920 707 7 亿t，年均碳增排效应约6 067.060 万t，碳增排的贡献率整体偏高，2001—2016 年对碳排放的增加效应趋于不断增强，但2017 年起碳增排效应趋于减弱。由此表明，农业产出水平的提升更多依赖于农业化学化和农业机械化，即依赖于化肥、农膜、农药、柴油等高碳物资的大量投入，从而成为导致种植业碳排放居于高位的最主要原因，但在农业绿色发展导向下，农业产出水平的碳增排效应正逐渐趋于弱化。

（4）农业劳动力规模是中国种植业碳排放增加的重要驱动因素。2001—2018 年农业劳动力规模因素累计碳增排效应约4.046 969 2 亿t，年均碳增排效应约2 248.316 万t，碳增排的贡献率整体偏高但处于持续下降趋势。由此表明，受小农经济和家庭式耕作方式的影响，中国种植业对劳动力的依赖程度较高，但随着农业机械化和现代化的发展，种植业对劳动力的依赖程度正逐渐趋于下降。

3 研究结论与政策启示

3.1 研究结论

该文运用IPCC碳排放系数法测度了2001—2018年中国大陆31个省（市、自治区）种植业碳排放，对中国种植业碳排放的时序变化和地区差异进行了分析，采用Tapio模型揭示了种植业碳排放脱钩特征，并引入LMDI模型进一步探讨了中国种植业碳排放的主要驱动因素，研究所得结论如下。

（1）中国种植业碳排放量的时序变化和地区差异显著。从时序变化看，2001—2015 年中国种植业碳排放总量持续增长，但自2010 年起碳排放增速趋于持续下降，且于2015 年之后转入负增长阶段；其中，化肥是种植业碳排放的最主要碳源，其引起的碳排放量占比高达67.1%，但2016 年起因化肥导致的碳排放量趋于下降态势；2001—2018 年中国种植业碳排放强度总体处于持续下降态势。从区域或省域差异性看，中部地区和东部地区农业大省年均碳排放量较高，而西部地区耕地资源稀少和生态脆弱的省份年均碳排放量较低；相对而言，东部地区碳源农药和农膜、中部地区碳源农药和化肥、西部地区碳源农膜和翻耕占全国的比重较高。此外，东部地区的种植业碳排放强度较低，中部地区的种植业碳排放强度较高。

（2）中国种植业碳排放与其经济增长的脱钩关系呈现不同特征。从时序变化上看，2001—2003 年中国种植业碳排放脱钩特征呈现弱脱钩、增长连接和扩张负脱钩的脱钩特征，2004—2015 年呈现弱脱钩特征为主，2016—2018 年呈现出强脱钩和衰退连接的脱钩特征；从省际差异上看，2001—2013 年中国大陆各省域种植业碳排放脱钩特征呈现“弱脱钩”为主，仅北京和上海两地区呈现“强脱钩”状态，且大部分省份的脱钩弹性值集中在0～0.2；2014—2018年中国大陆31个省（市、自治区）种植业碳排放脱钩特征存在较大的省际差异，其中有12 个省份呈现强脱钩，7 个省份呈现弱脱钩，其他省份分别呈现扩张负脱钩、弱负脱钩、强负脱钩、衰退脱钩和衰退连接等不同脱钩特征；中国种植业碳排放与其经济增长在省际层面上呈现“强脱钩”状态的省份数量有较快增长，但呈现的脱钩类型及脱钩程度趋于差异化。

（3）农业生产效率、生产结构、产出水平和劳动规模等对中国种植业碳排放产生了不同程度的正负影响。从总体上看，生产效率是中国种植业碳排放的最主要抑制因素，其碳减排效应的贡献率总体较高，并且对种植业碳排放的抑制作用也趋于增强；生产结构对中国种植业碳排放产生了增排效应，但其对种植业的碳排放贡献率偏低，并且长久保持平稳态势；产出水平是中国种植业碳排放增加的最主要影响因素，其碳排放的贡献整体偏高，但2017 年开始农业产出水平的碳增排效应逐渐趋于弱化；劳动力规模是中国种植业碳排放增加的重要影响因素，其碳排放增加效应的贡献率整体偏高，但其碳排放增加效应长期处于下降趋势。

3.2 政策启示

基于中国种植业碳排放的测度、脱钩特征及驱动因素分析，所得结论可为中国种植业低碳化以及推动中国农业高质量发展的相关政策制定提供重要参考。据此，由实证结果和研究结论可得到以下几点启示。

（1）中国种植业低碳化需坚持“科技创新、结构优化”。尽管近年来中国种植业碳排放正趋于下降态势，但碳排总量仍处于高位，为防止反弹的可能，应持续推进种植业低碳化。实践经验证明，农业科技进步是种植业低碳化的重要支撑，政府应强化农业科技创新政策支持，引导科研院校、高科技企业等积极研发低碳环保农业技术，引导农户和农企在种植业生产过程种积极使用低碳环保农业技术。此外，在保障粮食安全的前提下，发挥优势资源，不断优化种植结构和农用物资投入结构，大力发展特种种植业和低碳种植业。

（2）中国种植业低碳化应注重“因地制宜、突出重点”。中国各地区耕地资源禀赋、农业生产效率、农业生产结构以及农业产出水平等存在较大的不同，导致种植业碳排放地区分异显著，需因地制宜采取差异化的种植业低碳化政策措施，重点关注一些碳排放总量和碳排放强度较高的地区，以期实现各地区资源、经济、环境和社会的统筹协调发展。此外，种植业的碳排放源绝大多数为农用化肥，应以减少农用化肥的使用作为种植业低碳化的重点。

（3）中国种植业低碳化要着力“提质增效、绿色发展”。在耕地资源较丰富的地区推进供给侧改革，积极引导农户在种植业规模化和产业化的同时，重视农业产品品牌的打造和农产品质量的提升。同时，以有机农产品、绿色农产品和品牌认证为抓手，推广普及环境友好型种植业方式，减少对化肥、农药等高碳物资的依赖。此外，在推进农业机械化过程中，积极鼓励农机生产企业向种植业集聚地区提供节能减排的农机，并建议当地政府相关部门应从财政支农资金中给予适当补贴。